Matplotlib scatter绘制散点图的方法实现
前言
考虑到很多同学可能还没有安装matplotlib包，这里给大家提供我常用的安装方法。首先Win键 + R，输入命令cmd打开命令行工具，再次在命令行工具中输入pip install matplotlib就可以直接安装了，安装后会提示安装成功。
一、简单散点图
1.代码
import numpy as np import matplotlib.pyplot as plt #生成散点数据 n = 1024 X = np.random.normal(0,1,n) Y = np.random.normal(0,1,n) plt.scatter(X,Y) #输入散点数据 plt.show() #显示散点图
2.运行结果
3.注释
np.random.normal(0,1,n)的作用是产生一个符合正太分布的数据样本，听起来可能有点专业化了，我们目前只需要知道它的作用是产生一组样本数据就ok了。
（下面的内容了解即可无需深入，后面再进行深入学习）
np.random.normal(size,loc,scale)
参数含义：
loc：此概率分布的均值（对应着整个分布的中心centre）
scale：此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：输出的shape，默认为None，只输出一个值
二、复杂的散点图
较上一次散点图所做出的变动:
1.修改散点的颜色
2.将三组散点数据放到一张图上
3.添加散点图图例
1.代码
import numpy as np import matplotlib.pyplot as plt fig, ax = plt.subplots() for color in ['red', 'green', 'purple']: #每一次循环都会产生一组散点数据 n = 400 x = np.random.normal(0,1,n) y = np.random.normal(0,1,n) ax.scatter(x, y, c=color, label=color ,alpha=0.5) ax.legend() #显示图例 plt.show()
2.运行结果
3.注释
1.fig, ax = plt.subplots()是一个将多组数据放到一张图显示的操作，可以简单理解为多图合一操作。
其返回值
fig： matplotlib.figure.Figure 对象
ax：子图对象（ matplotlib.axes.Axes）或者是他的数组
#函数定义看看就好了
def subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True,
subplot_kw=None, gridspec_kw=None, **fig_kw):
fig = figure(**fig_kw)
axs = fig.subplots(nrows=nrows, ncols=ncols, sharex=sharex, sharey=sharey,
squeeze=squeeze, subplot_kw=subplot_kw,
gridspec_kw=gridspec_kw)
return fig, axs
2.ax.scatter(x, y, c=color, label=color ,alpha=0.5)中的c是散点的颜色，label是图例中的标签，alpha是散点的透明度，通过给alpha值介于0和1之间来调整散点的透明度。
四、散点图参数讲解
这部分还是先通过代码来直观了解一下scatter常用的参数
1.代码
import numpy as np import matplotlib.pyplot as plt n = 30 x = np.random.normal(0,1,n) y = np.random.normal(0,1,n) plt.subplot(321) plt.scatter(x, y, s=80, c='red', marker='^') plt.subplot(322) plt.scatter(x, y, s=80, c='green', marker=(7, 1)) plt.subplot(323) plt.scatter(x, y, s=1, c='purple', marker=(6, 1)) plt.subplot(324) plt.scatter(x, y, s=400, c='red', marker=(5, 1)) plt.subplot(325) plt.scatter(x, y, s=80, c='green', marker='+') plt.subplot(326) plt.scatter(x, y, s=80, c='purple', marker=(5, 2)) plt.show()
2.运行结果
3.参数说明
fig, axes = plt.subplots(23)：表示一次性在figure上创建成2*3的网格，plt.subplot(321)代表在6个网格中的第一个网格创建图像，plt.subplot(322)代表在6个网格中的第二个网格创建图像，以此类推。对于这个函数的其他参数，我会在之后再详细讲解，把时间花在刀刃上，花最少的时间学习最有用的东西。
plt.scatter(x, y, s=80, c='purple', marker=(5, 2))中的s代表散点的大小，参照第三和第四张图。marker表示散点的样式，元组表示法参照第二、四、六张图，也可以取特定的符号作为marker的值，参照第一、五张图。
截图取自官网。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。
下一篇：PyTorch和Keras计算模型参数的例子